Détection d'objets
La détection d'objets est une tâche de vision par ordinateur dans laquelle un réseau neuronal profond localise et classe simultanément chaque instance d'une ou plusieurs catégories d'objets dans une image, produisant une boîte englobante et une étiquette de classe pour chaque objet détecté. Les détecteurs modernes — de la famille R-CNN à YOLO et DETR — atteignent une précision proche de celle de l'humain à des vitesses quasi temps réel sur des bancs d'essai standards.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Sources
- Girshick, R., Donahue, J., Darrell, T., & Malik, J. (2014). Rich feature hierarchies for accurate object detection and semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 580–587. DOI: 10.1109/CVPR.2014.81 ↗
- Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779–788. DOI: 10.1109/CVPR.2016.91 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Object Detection (Region-Based and Anchor-Free Deep Neural Network Models). ScholarGate. https://scholargate.app/fr/deep-learning/object-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Classification d'imagesApprentissage profond↔ compare
- Segmentation d'instancesApprentissage profond↔ compare
- Segmentation sémantiqueApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →